可穿戴设备能在你察觉前提示情绪变化吗？

可穿戴设备或许能在你自己察觉到情绪变化之前，发现你的睡眠已经发生改变。这是被动心理健康监测最可信的承诺。它不是诊断，也不证明某个应用程序能够预测你的下一次发作。最有力的证据指向看似普通的指标：你何时入睡、这一时间的波动有多大、你白天有多活跃，以及你的24小时作息保持得有多稳定。

这一区别很重要，因为吸睛的说法传播得很快。一篇2025年的深度学习报告声称，1至1.5小时的心率变异性（HRV）记录可凭借80%至83%的准确率区分精神分裂症与双相障碍。这听起来很临床化，但尚未达到临床应用的准备程度。样本量小、来自同一批受试者的重叠时间窗、缺乏独立的外部验证，以及未控制的精神科药物使用，都可能让分类器显得比实际更聪明。更广泛的证据支持一个更审慎的结论：被动传感器可以追踪与精神科症状相关的行为变化，尤其是睡眠和日常活动的变化。

有用的信号是昼夜节律规律性

一项2025年对45项双相障碍数字生物标志物研究的系统综述发现，睡眠与活动综合数据中最反复出现的信号最为突出。抑郁状态往往与活动减少、更晚且波动更大的睡眠时间，以及较低的日间光照暴露同时出现。轻躁狂和躁狂往往与更短、更早的睡眠以及更高、更不规律的活动同时出现。这些是与情绪状态的关联，并非用于确定其原因的检验。

这一模式在临床上合乎情理，但并不会把腕带变成精神科医生。睡眠紊乱和活动改变本已构成情绪发作可观察表现的一部分。活动记录法为这些变化提供每日记录，而非只依赖就诊时的回忆。该综述报告称，较大规模研究中的机器学习AUROC为0.80至0.98，但这些数值并不能确立真实世界表现。综述中的全部15项机器学习研究均缺乏独立的外部验证。模型可能在与其训练集相似的数据上表现良好，却在面对不同的诊所、设备、用药组合或人群时失效。

同一综述发现，64%的研究纳入了50名或更少的参与者，49%的研究对参与者监测不超过100天，29%的研究仅在临床环境中收集数据。双相抑郁发作可持续数月。一项短期研究可能错过起病、进展和恢复——这是复发预测工具需要学习的序列。

为何每日数据可能跨诊断有所帮助

这一信号似乎并不局限于某一个诊断标签。纵向DeeP-DD研究在精神分裂症、双相障碍、抑郁症和焦虑症患者中使用了消费级GENEActiv腕带。研究发现，睡眠和活动模式可作为跨诊断行为生物标志物，其中具有每日分辨率的特征比每周或每月汇总更具可操作性。该研究支持其在真实世界精神科人群中的可行性；它并未显示可穿戴设备警报能够改善治疗或预防一次发作。

一项2022年关于活动记录法、情绪不稳定性和冲动性的系统综述也发现，在各类精神科诊断中，昼夜节律紊乱与情绪不稳定性及冲动性之间存在双向关联。“双向”是在警示人们不要讲述过于简单的故事。节律紊乱可能伴随情绪恶化、促成情绪恶化、由情绪恶化导致，或三者兼有。腕部传感器测量的是活动和时间。它无法解决这一因果问题。

活动记录法的变化似乎也早在疾病轨迹中出现。在寻求心理健康照护的年轻人中，一项2025年关于临床分期和病理生理学亚组的研究发现，基于活动记录法得出的昼夜节律、睡眠-觉醒模式和身体活动存在系统性差异。这使被动监测对早期预警研究颇具意义。它并未为识别某个人的诊断或未来病程建立经验证的阈值。

智能手机增加背景信息，随后遇到个体化难题

手机能增加腕部设备无法提供的信息：位置模式、加速度测量、屏幕使用时间、应用程序使用、通话和打字行为。一项2025年关于抑郁症纵向移动传感的系统综述发现，在超过三个月的监测期间，被动数据可区分个体内不同的抑郁严重程度状态。睡眠和身体活动是主要的临床相关特征。

但该综述指出了准确率标题常常掩盖的问题：在群体层面有效的预测指标，对某个个体而言可能指向相反的方向。例如，睡眠时长与抑郁恶化之间的群体层面关联，可能在某个特定个体身上反转。这使经由群体训练的模型难以替代个人基线。一个由数千名用户数据训练的应用程序，可能以高度定制化的方式出错。

一项2024年关于智能手机数字表型的系统综述发现，连续手机数据可以检测与压力、焦虑和轻度抑郁相关的行为模式。可行性是真实存在的；临床效用仍未得到证实。该领域仍需要开展这样的研究：由传感器触发的警报能够改变照护，并可测量地改善患者结局。

HRV是真实的生理学指标，而非精神科指纹

HRV测量心跳间隔时间的变异。它反映自主神经调节，并会随睡眠、运动、疾病、药物、酒精和测量条件而变化。一项2025年荟萃分析的伞状综述发现，多种精神科疾病中的HRV较低，但也发现与记录背景、记录时长、用药状态及测量时的精神状态相关的高度异质性。

这种异质性足以否定短时HRV记录能够诊断特定精神科疾病的主张。抗精神病药、情绪稳定剂和SSRIs可独立于症状改变HRV。运动也可以改变它：一项针对2型糖尿病患者的系统综述和荟萃分析发现，运动训练改善了HRV指标。对输入有反应的生物标志物可能有助于研究生理学，但当许多输入同时使其改变时，就会变得难以解读。

基于时间窗的HRV分析还会造成另一种陷阱。如果研究人员将一次记录切分为许多高度重叠的片段，就能从少数人身上生成数千个观测值。这些片段并非独立数据点。除非分析在训练和测试期间将参与者彼此分开，否则表面上的精确性可能只是同一记录的数学回声。

消费级可穿戴设备测量并不完美

消费级设备很方便，但方便并不等于经过校准的医疗仪器。一项2025年关于严重精神疾病中消费级可穿戴设备的系统综述发现，睡眠和身体活动是重复验证最多的预测指标，同时指出研究很少提供临床医生能够据以行动的敏感度和特异度阈值。设备误差也很重要：一项2024年关于ActiGraph GT9X Link的系统综述发现，其步数估计通常低估步数，并随活动类型和个体特征而变化。

缺失数据也不一定是随机的。一个人可能在抑郁发作期间停止佩戴设备，或在激越时将其取下。双相障碍综述指出，研究人员很少对这种缺失性进行建模，尽管它可能包含行为信息。忽略它可能使模型产生偏倚；将它视为诊断则更糟。

如何使用你自己的数据

如果你本人或家族有情绪不稳定的病史，使用可穿戴设备最循证的方式很简单：在数周或数月内追踪你自己的睡眠时间、每晚之间的变异、日间活动和作息稳定性。寻找相对于你惯常模式的变化，最好同时配合简短的情绪和用药记录。一个糟糕的夜晚是一种人的经历，不是一次诊断事件。

• 使用每日数据建立个人基线，而不是追逐群体平均值。
• 留意睡眠时间和日间活动的持续变化，尤其是当它们与情绪、精力或判断力变化同时出现时。
• 与了解你病史的临床医生讨论有意义的变化；不要因为仪表盘变了颜色就改变药物。
• 将HRV趋势视为非特异性的生理背景，尤其是在药物、训练、疾病、酒精或睡眠发生变化时。

关注规律性也有代谢方面的理由。在一项由早期干预心理健康服务招募的225名年轻人队列中，一项2025年观察性研究将24小时休息-活动模式紊乱与情绪障碍患者的免疫代谢风险因素联系起来。该发现是一种关联，并非证据表明纠正基于可穿戴设备得出的节律评分可预防心血管疾病。不过，稳定的睡眠和活动作息是值得观察的合理行为，因为它既与心理健康相关，也与日常代谢健康相关。

可穿戴设备可以提供有用的早期预警背景信息。它们目前无法提供精神科诊断、经验证的复发预测，或证明一则警报会改善某项结局。

实际结论刻意不那么光鲜：利用被动数据察觉自己日常作息中持续存在的变化，然后将这些观察带入真正的临床判断。研究已经赢得了这种程度的信心。它尚未赢得更多。